TianyiQ commited on
Commit
651a34a
1 Parent(s): dc94af5

Upload ./trainer_state.json with huggingface_hub

Browse files
Files changed (1) hide show
  1. trainer_state.json +38 -348
trainer_state.json CHANGED
@@ -1,9 +1,9 @@
1
  {
2
- "best_metric": 0.8514555096626282,
3
- "best_model_checkpoint": "./output/training_results/C016_random_sample_llama3-8b-base_instruct_20240504_181744/checkpoint-40",
4
- "epoch": 4.0,
5
- "eval_steps": 20,
6
- "global_step": 192,
7
  "is_hyper_param_search": false,
8
  "is_local_process_zero": true,
9
  "is_world_process_zero": true,
@@ -12,363 +12,53 @@
12
  "epoch": 0.020833333333333332,
13
  "grad_norm": 0.0,
14
  "learning_rate": 0.0,
15
- "loss": 0.9711,
16
  "step": 1
17
  },
18
  {
19
- "epoch": 0.10416666666666667,
20
- "grad_norm": 12.43094855680643,
21
- "learning_rate": 2.25e-06,
22
- "loss": 0.949,
23
- "step": 5
24
- },
25
- {
26
- "epoch": 0.20833333333333334,
27
- "grad_norm": 4.621787623957677,
28
- "learning_rate": 5.25e-06,
29
- "loss": 0.8756,
30
- "step": 10
31
- },
32
- {
33
- "epoch": 0.3125,
34
- "grad_norm": 5.102324743913745,
35
- "learning_rate": 9e-06,
36
- "loss": 0.8441,
37
- "step": 15
38
- },
39
- {
40
- "epoch": 0.4166666666666667,
41
- "grad_norm": 5.046721891827742,
42
- "learning_rate": 1.275e-05,
43
- "loss": 0.8263,
44
- "step": 20
45
- },
46
- {
47
- "epoch": 0.4166666666666667,
48
- "eval_loss": 0.8584555983543396,
49
- "eval_runtime": 2.0011,
50
- "eval_samples_per_second": 169.909,
51
- "eval_steps_per_second": 1.499,
52
- "step": 20
53
- },
54
- {
55
- "epoch": 0.5208333333333334,
56
- "grad_norm": 4.324316961991125,
57
- "learning_rate": 1.3195176200175283e-05,
58
- "loss": 0.8289,
59
- "step": 25
60
- },
61
- {
62
- "epoch": 0.625,
63
- "grad_norm": 3.9781224609845345,
64
- "learning_rate": 9.515676612044427e-06,
65
- "loss": 0.9015,
66
- "step": 30
67
- },
68
- {
69
- "epoch": 0.7291666666666666,
70
- "grad_norm": 3.851416633553399,
71
- "learning_rate": 6.797580677308734e-06,
72
- "loss": 0.823,
73
- "step": 35
74
- },
75
- {
76
- "epoch": 0.8333333333333334,
77
- "grad_norm": 4.17708940737461,
78
- "learning_rate": 4.808575415542887e-06,
79
- "loss": 0.8014,
80
- "step": 40
81
- },
82
- {
83
- "epoch": 0.8333333333333334,
84
- "eval_loss": 0.8514555096626282,
85
- "eval_runtime": 1.9698,
86
- "eval_samples_per_second": 172.604,
87
- "eval_steps_per_second": 1.523,
88
- "step": 40
89
- },
90
- {
91
- "epoch": 0.9375,
92
- "grad_norm": 3.865023549249989,
93
- "learning_rate": 3.3676619069852654e-06,
94
- "loss": 0.8814,
95
- "step": 45
96
- },
97
- {
98
- "epoch": 1.0416666666666667,
99
- "grad_norm": 3.6024413325254803,
100
- "learning_rate": 2.334947896124909e-06,
101
- "loss": 0.7239,
102
- "step": 50
103
- },
104
- {
105
- "epoch": 1.1458333333333333,
106
- "grad_norm": 2.9479655076003395,
107
- "learning_rate": 1.603233215095547e-06,
108
- "loss": 0.466,
109
- "step": 55
110
- },
111
- {
112
- "epoch": 1.25,
113
- "grad_norm": 3.8904458700460633,
114
- "learning_rate": 1.0911174606561334e-06,
115
- "loss": 0.4375,
116
- "step": 60
117
- },
118
- {
119
- "epoch": 1.25,
120
- "eval_loss": 0.871760368347168,
121
- "eval_runtime": 1.9682,
122
- "eval_samples_per_second": 172.743,
123
- "eval_steps_per_second": 1.524,
124
- "step": 60
125
- },
126
- {
127
- "epoch": 1.3541666666666667,
128
- "grad_norm": 3.7825224108872644,
129
- "learning_rate": 7.373930741131784e-07,
130
- "loss": 0.3976,
131
- "step": 65
132
- },
133
- {
134
- "epoch": 1.4583333333333333,
135
- "grad_norm": 3.9946225754826044,
136
- "learning_rate": 4.965174334325768e-07,
137
- "loss": 0.4467,
138
- "step": 70
139
- },
140
- {
141
- "epoch": 1.5625,
142
- "grad_norm": 4.437633052742651,
143
- "learning_rate": 3.349849877937343e-07,
144
- "loss": 0.4382,
145
- "step": 75
146
- },
147
- {
148
- "epoch": 1.6666666666666665,
149
- "grad_norm": 3.8225073330864148,
150
- "learning_rate": 2.2844505627726646e-07,
151
- "loss": 0.4593,
152
- "step": 80
153
- },
154
- {
155
- "epoch": 1.6666666666666665,
156
- "eval_loss": 0.855841338634491,
157
- "eval_runtime": 1.9784,
158
- "eval_samples_per_second": 171.854,
159
- "eval_steps_per_second": 1.516,
160
- "step": 80
161
- },
162
- {
163
- "epoch": 1.7708333333333335,
164
- "grad_norm": 3.2403588491446373,
165
- "learning_rate": 1.594328760942437e-07,
166
- "loss": 0.4262,
167
- "step": 85
168
- },
169
- {
170
- "epoch": 1.875,
171
- "grad_norm": 3.3007958768222556,
172
- "learning_rate": 1.156010161291434e-07,
173
- "loss": 0.4236,
174
- "step": 90
175
- },
176
- {
177
- "epoch": 1.9791666666666665,
178
- "grad_norm": 3.7194840629840744,
179
- "learning_rate": 8.835555547373544e-08,
180
- "loss": 0.4859,
181
- "step": 95
182
- },
183
- {
184
- "epoch": 2.0833333333333335,
185
- "grad_norm": 3.4233566225496928,
186
- "learning_rate": 7.181664349277562e-08,
187
- "loss": 0.3969,
188
- "step": 100
189
- },
190
- {
191
- "epoch": 2.0833333333333335,
192
- "eval_loss": 0.8527613282203674,
193
- "eval_runtime": 1.973,
194
- "eval_samples_per_second": 172.329,
195
- "eval_steps_per_second": 1.521,
196
- "step": 100
197
- },
198
- {
199
- "epoch": 2.1875,
200
- "grad_norm": 3.255038919801069,
201
- "learning_rate": 6.203637972657601e-08,
202
- "loss": 0.3693,
203
- "step": 105
204
- },
205
- {
206
- "epoch": 2.2916666666666665,
207
- "grad_norm": 3.1973516190995497,
208
- "learning_rate": 5.6418543066491835e-08,
209
- "loss": 0.4039,
210
- "step": 110
211
- },
212
- {
213
- "epoch": 2.3958333333333335,
214
- "grad_norm": 3.463654018617807,
215
- "learning_rate": 5.329471712759216e-08,
216
- "loss": 0.3573,
217
- "step": 115
218
- },
219
- {
220
- "epoch": 2.5,
221
- "grad_norm": 4.418086411896532,
222
- "learning_rate": 5.161995210302015e-08,
223
- "loss": 0.3982,
224
- "step": 120
225
- },
226
- {
227
- "epoch": 2.5,
228
- "eval_loss": 0.8576084971427917,
229
- "eval_runtime": 1.9748,
230
- "eval_samples_per_second": 172.17,
231
- "eval_steps_per_second": 1.519,
232
- "step": 120
233
- },
234
- {
235
- "epoch": 2.6041666666666665,
236
- "grad_norm": 3.4030059443316723,
237
- "learning_rate": 5.075841465580837e-08,
238
- "loss": 0.3815,
239
- "step": 125
240
- },
241
- {
242
- "epoch": 2.7083333333333335,
243
- "grad_norm": 3.7277312294575444,
244
- "learning_rate": 5.033564114946932e-08,
245
- "loss": 0.3762,
246
- "step": 130
247
- },
248
- {
249
- "epoch": 2.8125,
250
- "grad_norm": 3.3451733690112104,
251
- "learning_rate": 5.013915282607116e-08,
252
- "loss": 0.3809,
253
- "step": 135
254
- },
255
- {
256
- "epoch": 2.9166666666666665,
257
- "grad_norm": 3.217687429197331,
258
- "learning_rate": 5.005343402153039e-08,
259
- "loss": 0.3742,
260
- "step": 140
261
- },
262
- {
263
- "epoch": 2.9166666666666665,
264
- "eval_loss": 0.8624204993247986,
265
- "eval_runtime": 1.974,
266
- "eval_samples_per_second": 172.243,
267
- "eval_steps_per_second": 1.52,
268
- "step": 140
269
- },
270
- {
271
- "epoch": 3.0208333333333335,
272
- "grad_norm": 3.0189998840641734,
273
- "learning_rate": 5.001872829857116e-08,
274
- "loss": 0.3793,
275
- "step": 145
276
- },
277
- {
278
- "epoch": 3.125,
279
- "grad_norm": 3.1862692972750577,
280
- "learning_rate": 5.000587713853837e-08,
281
- "loss": 0.3734,
282
- "step": 150
283
- },
284
- {
285
- "epoch": 3.2291666666666665,
286
- "grad_norm": 3.179336124252825,
287
- "learning_rate": 5.0001608748597456e-08,
288
- "loss": 0.3713,
289
- "step": 155
290
- },
291
- {
292
- "epoch": 3.3333333333333335,
293
- "grad_norm": 4.66026630563327,
294
- "learning_rate": 5.0000370319656156e-08,
295
- "loss": 0.3692,
296
- "step": 160
297
- },
298
- {
299
- "epoch": 3.3333333333333335,
300
- "eval_loss": 0.8662496209144592,
301
- "eval_runtime": 1.9702,
302
- "eval_samples_per_second": 172.572,
303
- "eval_steps_per_second": 1.523,
304
- "step": 160
305
- },
306
- {
307
- "epoch": 3.4375,
308
- "grad_norm": 3.286706597182968,
309
- "learning_rate": 5.0000067945715855e-08,
310
- "loss": 0.3657,
311
- "step": 165
312
- },
313
- {
314
- "epoch": 3.5416666666666665,
315
- "grad_norm": 3.4539000739999817,
316
- "learning_rate": 5.0000009144677036e-08,
317
- "loss": 0.3513,
318
- "step": 170
319
- },
320
- {
321
- "epoch": 3.6458333333333335,
322
- "grad_norm": 3.3076231790188904,
323
- "learning_rate": 5.0000000785521776e-08,
324
- "loss": 0.3683,
325
- "step": 175
326
- },
327
- {
328
- "epoch": 3.75,
329
- "grad_norm": 3.4401672686211464,
330
- "learning_rate": 5.000000003317662e-08,
331
- "loss": 0.3667,
332
- "step": 180
333
  },
334
  {
335
- "epoch": 3.75,
336
- "eval_loss": 0.8689968585968018,
337
- "eval_runtime": 1.9682,
338
- "eval_samples_per_second": 172.746,
339
- "eval_steps_per_second": 1.524,
340
- "step": 180
341
  },
342
  {
343
- "epoch": 3.8541666666666665,
344
- "grad_norm": 3.709318957772044,
345
- "learning_rate": 5.000000000038355e-08,
346
- "loss": 0.3741,
347
- "step": 185
348
  },
349
  {
350
- "epoch": 3.9583333333333335,
351
- "grad_norm": 3.1576885454409456,
352
- "learning_rate": 5.000000000000018e-08,
353
- "loss": 0.3694,
354
- "step": 190
355
  },
356
  {
357
- "epoch": 4.0,
358
- "step": 192,
359
- "total_flos": 5362900008960.0,
360
- "train_loss": 0.5138544160872698,
361
- "train_runtime": 1043.9459,
362
- "train_samples_per_second": 11.702,
363
- "train_steps_per_second": 0.184
364
  }
365
  ],
366
- "logging_steps": 5,
367
- "max_steps": 192,
368
  "num_input_tokens_seen": 0,
369
- "num_train_epochs": 4,
370
- "save_steps": 20,
371
- "total_flos": 5362900008960.0,
372
  "train_batch_size": 8,
373
  "trial_name": null,
374
  "trial_params": null
 
1
  {
2
+ "best_metric": 0.8130785822868347,
3
+ "best_model_checkpoint": "./output/training_results/C016_Meta-Llama-3-8B_instruct_20240729_013421/checkpoint-10",
4
+ "epoch": 0.20833333333333334,
5
+ "eval_steps": 5,
6
+ "global_step": 10,
7
  "is_hyper_param_search": false,
8
  "is_local_process_zero": true,
9
  "is_world_process_zero": true,
 
12
  "epoch": 0.020833333333333332,
13
  "grad_norm": 0.0,
14
  "learning_rate": 0.0,
15
+ "loss": 0.9436,
16
  "step": 1
17
  },
18
  {
19
+ "epoch": 0.0625,
20
+ "grad_norm": 12.096153820022398,
21
+ "learning_rate": 7.5e-07,
22
+ "loss": 0.8831,
23
+ "step": 3
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
24
  },
25
  {
26
+ "epoch": 0.10416666666666667,
27
+ "eval_loss": 0.9745497703552246,
28
+ "eval_runtime": 0.8965,
29
+ "eval_samples_per_second": 379.234,
30
+ "eval_steps_per_second": 3.346,
31
+ "step": 5
32
  },
33
  {
34
+ "epoch": 0.125,
35
+ "grad_norm": 12.679338633930682,
36
+ "learning_rate": 2.25e-06,
37
+ "loss": 1.005,
38
+ "step": 6
39
  },
40
  {
41
+ "epoch": 0.1875,
42
+ "grad_norm": 5.5871426338146755,
43
+ "learning_rate": 2.865909090909091e-06,
44
+ "loss": 0.8656,
45
+ "step": 9
46
  },
47
  {
48
+ "epoch": 0.20833333333333334,
49
+ "eval_loss": 0.8130785822868347,
50
+ "eval_runtime": 0.8787,
51
+ "eval_samples_per_second": 386.937,
52
+ "eval_steps_per_second": 3.414,
53
+ "step": 10
 
54
  }
55
  ],
56
+ "logging_steps": 3,
57
+ "max_steps": 48,
58
  "num_input_tokens_seen": 0,
59
+ "num_train_epochs": 1,
60
+ "save_steps": 10,
61
+ "total_flos": 208255057920.0,
62
  "train_batch_size": 8,
63
  "trial_name": null,
64
  "trial_params": null